BI数据挖掘交流方案.pptVIP

聚类 低 高 高 高 1 2 8 4 5 3 7 6 因素二 因素三 因素一 示例 * 聚类算法 演示图分群 神经网络（Kohonen） * 关联规则 * 关联规则 对于规则 A=B, A=B的支持度＝同时包含A、B的事务数÷总事务数 A=B的置信度＝（A交B）的支持度÷A的支持度 LIFT＝（ A=B的置信度）÷B的支持度 * 序列模式 100％购买C产品的顾客在未来的时间里都购买了X产品。 * 相似序列 * 相似序列 * RBF预测 RBF (Radial Basis Function) 神经网络 预测结果是个连续型变量 * RBF预测 根据输出空间，将输入空间划分为区域 计算每个区域的区域中心 * RBF预测 计算每个中心的权重 Y=f(x1,x2,x3…) * RBF预测 第一步： 训练 第二步： 应用 * 内容纲要 ? ? BI的相关背景 ? ? 数据挖掘的基础知识 ? ? 数据挖掘过程 ? ? 常用数据挖掘方法 ? ? 常用数据挖掘工具 * 常用数据挖掘工具 Intelligent Miner (IBM); Clementine (SPSS); SAS Enterprise Miner (SAS)； * 新业务营销 留住老客户 (提升老客户活跃度) 识别与培养影响力高端 根据客户本业务行为特征及偏好开展针对性营销，改进客户体验 ① 客户流失预警及客户挽留 ① 靠影响力高端带动 ② 数据 数据 数据 发展新客户 发现潜在客户，进行交叉销售 ① 靠影响力高端带动 ② 数据 数据 识别影响力高端 ① 根据影响力高端的需求特点设计产品 ① 制定能激发影响力高端积极进行横向传播的营销策略 ① 数据 数据 数据 营销方式① 营销方式② 注释: 电信新业务营销思路 项目整体操作框架 基于用户彩铃生命周期细分的算法描述 数据源整合需求 用户细分模型及行为属性标签 彩铃营销管理子平台建设需求 彩铃潜在用户决策树模型 彩铃目标用户 （N=20228；L=13.2%） IVR用户 N1：IVR用户 （N=1238；L=35.1%） N6：ARPU58元 （N=10060；L=5%） N5：ARPU＝58元 （N=8880；L=19.3%） N2：非IVR用户 （N=18940；L=11.74%） ARPU=66.5元 N3：ARPU=66.5 （N=862；L=44.8%） N4：ARPU66.5 （N=426；L=15.5%） ARPU=58 N8：短信发送10条 （N=3804；L=14.5%） N7：短信发送=10条 （N=5076；L=22.9%） 短信发送量=10 N12：ARPU增量15元 （N=2596；L=16.2%） N11：ARPU增量=15元 （N=2479；L=30%） ARPU增量=15 N18：有漫游 （N=808；L=11.5%） N17：没有漫游 （N=1788；L=18.3%） 漫游业务 漫游业务 N16：有漫游 （N=821；L=20%） N15：没有漫游 （N=1658；L=34.9%） 梦网短信用户 N22：非梦网短信用户 （N=1029；L=31.2%） N21：梦网短信用户 （N=629；L=41%） N23：彩信用户 （N=194；L=26.8%） N24：非彩信用户 （N=627；L=17.9%） 彩信用户 新业务个数=1 N25：是 （N=1069； L=20.6%） N26：否 （N=719； L=14.9%） N13：彩信用户 （N=282；L=24.5%） N14：非彩信用户 （N=3522；L=13.7%） 彩信用户 ARPU增量=15 N19：是 （N=1555；L=20.6%） N20：否 （N=1967；L=8.3%） 漫游业务 N28：有漫游 （N=401；L=13.7%） N27：没有漫游 （N=1154；L=23%） 动感地带学生套餐and ARPU30 N10：非学生套餐 （N=9626；L=4.7%） N9：学生套餐 （N=434；L=13%） 数据源整合需求 用户细分模型及行为属性标签 彩铃营销管理子平台建设需求 改造平台，从用户出发重新规划彩铃铃音内容属性 分析个人铃音库中铃音内容属性特点 抽提出用户铃音内容偏好 依据用户铃音内容偏好进行针对性营销 对应归类打标 数据汇总 营销效果回馈 贴铃音内容偏好标签 铃音内容偏好属性标签构建思路框架 数据源整合需求 用户细分模型及行为属性标签 彩铃营销管理子平台建设需求 彩铃铃音内容属性标签应用示例 歌手 地域 表达情绪 铃音类型 音乐来源 榜单 音乐时尚观 DIY彩铃 铃音标签 秋天不回来 黄金甲 Girl